Representative Work
面向制造业数据问答的受控 NL2SQL 竞赛项目：自然语言先转结构化 IR，再由 schema linker、SQL guardrails、compiler、结果契约和 benchmark 闭环校验。
面向 GitHub Pull Request 的 AI 代码评审工具，先解析 PR metadata 和 diff，再绑定新增行证据、运行低噪声规则、控制上下文预算并输出 Markdown / JSON / SARIF 报告。
面向商贸场景的企业级营销智能体原型，围绕活动策略、目标人群、选品规则、ROI/参与度预测、上下文管理和工作流编排拆解 Agent 能力边界。
AI Tools
日常围绕 Agent 编排、代码生成、模型路由、视觉语言理解、工作流构建和 trace 复盘建立工具链。
作品集覆盖 LCFC 受控 NL2SQL、AI PR Review、商贸营销智能体、工业预测、游戏开发、CCF 本源杯和面试交付等方向。
InterviewRubric 试标和 YAHAHA 三天 MVP 单独归档，展示短周期交付、验证命令和公开边界。
Courses数字逻辑、计算机视觉、DSP、数据结构等课程项目单独归档，保留学习轨迹。
Research强化学习、Mini-Transformer、计算社会科学和具身智能原型，会继续沉淀为实验记录与技术文章。
Selected Work
玩法拆解、规则引擎、PixiJS 表现层、验收文档与演示闭环
短周期面试交付：把目标收集型三消参考素材拆成可运行单关卡 Demo，覆盖 9 x 9 棋盘、行李箱目标、交换回退、匹配结算、掉落补位、特殊棋子、胜利锁定、调试面板和验收文档。
独立开发，产品定位、核心实现、Dashboard、报告与演示材料
面向 GitHub Pull Request 的 AI 代码评审工具，先解析 PR metadata 和 diff，再绑定新增行证据、运行低噪声规则、控制上下文预算并输出 Markdown / JSON / SARIF 报告。
独立开发，受控 NL2SQL 架构、benchmark 与提交包校验
面向制造业数据问答的受控 NL2SQL 竞赛项目：自然语言先转结构化 IR，再由 schema linker、SQL guardrails、compiler、结果契约和 benchmark 闭环校验。
Agent 开发，需求梳理、原型设计、能力边界拆解与接口设计
面向商贸场景的企业级营销智能体原型，围绕活动策略、目标人群、选品规则、ROI/参与度预测、上下文管理和工作流编排拆解 Agent 能力边界。
全栈 MVP 设计、Agent Harness、对象存储与交付文档
三天面试 MVP：从 creator prompt 到 Agent 生成 playable bundle，再到对象存储、预览、发布、公开游玩、remix 和 creator dashboard 的完整闭环。
智能体工作流抽象、知识库结构设计、行为协议与维护模板
从课程智能体实践中抽象出一套可复用的 Agent 项目模板，覆盖知识库治理、行为协议、发布清单、回归测试和持续维护流程，让 RAG/知识库型智能体从一次性搭建变成可交接、可迁移的工程资产。
Archive Strategy
能体现完整系统、真实场景或明确技术闭环的项目，单独进入作品集，例如 LCFC、AI PR Review、商贸智能体、FeO、Lumina。
以课堂训练、作业集合、基础实验为主的内容，统一放入课程大类，证明基础但不稀释代表项目。
面试或试标交付单独归档，保留方法、边界和验证链路，不公开对方原始材料。
对需要解释团队分工、跑分边界或实验结论的经历，放到长文里写清完成度、证据和边界，例如 YOLO-FD 和开物扫雷。
Writing